Anda di halaman 1dari 9

1

Analisis MANOVA Satu Arah pada Data


Komponen Kesehatan Bayi di Pulau Jawa pada
Tahun 2013
Dedi Setiawan, Ratna Juwita, Devi Lindasari dan Santi Puteri Rahayu
Departemen Statistika, Fakultas Ilmu Pengetahuan Alam,
Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: sprahayu@gmail.com

Abstrak Ancaman penyakit dan masalah kesehatan Indonesia terutama di DKI Jakarta. Pada tahun 2009 hingga
rentan sekali terjadi pada bayi. Upaya menjaga kesehatan 2010 Pemerintah mencanangkan program akselerasi
bayi perlu diperhatikan untuk keberlangsungan hidupnya. imunisasi pada bayi di lima provinsi di Pulau Jawa [4].
Salah satunya adalah dengan memberikan imunisasi lengkap
yang pada umumnya terdiri dari imunisasi BCG, polio dan
Namun di sepanjang tahun 2012 terdapat 160 kejadian luar
campak. Pada penelitian ini, data yang akan dianalisis adalah biasa campak dengan 2319 kasus dan empat meninggal, dan
komponen kesehatan bayi di enam provinsi di Pulau Jawa. kasus penularan campak kebanyakan di Pulau Jawa (Jawa
Masing-masing provinsi memiliki tiga variabel yang sama, Barat, DKI Jakarta dan Banten) [5]. Selanjutnya pada tahun
yaitu persentase bayi yang menerima imunisai BCG, polio 1 2018 pemerintah akan memasukkan vaksin campak dari
dan campak. Analisis yang digunakan adalah MANOVA Jerman menjadi imunisasi wajib bagi balita Indonesia yang
yang diawali dengan uji normalitas, dependensi dan
akan diujikan di Pulau Jawa sebagai tahap awal [6]
homogenitas. Analisis ini digunakan untuk mengetahui
adanya pengaruh provinsi terhadap ketiga komponen Pada praktikum ini, akan dilakukan pengujian
kesehatan tersebut. Berdasarkan uji normalitas diketahui MANOVA satu arah yang didahului dengan uji normalitas
bahwa ketiga variabel komponen kesegatan bayi di Pulau multivariat, dependensi dan homogeitas matriks varians
Jawa tidak berdistribusi normal multivariat. Pengujian kovarians dari data cakupan imunisasi BCG, polio 1 dan
dependensi menyimpulkan bahwa ketiga variabel saling campak pada bayi di enam provinsi di Pulau Jawa. Tujuan
berubungan. Pada pengujian homogenitas menunjukkan
dari praktikum ini adalah mengetahui ada tidaknya
bahwa matriks varians kovarians dari ketiga variabel
homogen. Selanjutnya pada pengujian MANOVA didapatkan pengaruh provinsi terhadap ketiga variabel tersebut.
informasi bahwa provinsi di Pulau Jawa memberikan
pengaruh yang berbeda terhadap cakupan imunisasi BCG,
II. TINJAUAN PUSTAKA
polio 1 dan campak pada bayi.
A. Statistika Deskriptif
Kata KunciDependensi, Homogenitas, Imunisasi, MANOVA
Satu arah, Normal multivariat
Statistika deskriptif adalah metode-metode yang
berkaitan dengan pengumpulan dan penyajian suatu gugus
data sehingga memberikan informasi yang berguna.
I. PENDAHULUAN Mean adalah salah satu ukuran untuk memberikan
gambaran yang lebih jelas dan singkat tentang sekumpulan
Bayi yang baru saja dilahirkan oleh seorang ibu tentu
membutuhkan perlakuan khusus agar dapat bertahan data. Mean juga merupakan wakil dari sekumpulan data
atau dianggap suatu nilai yang paling dekat dengan hasil
hidup. Bayi akan rentan terhadap suatu penyakit, oleh
karena itu dibutuhkan suatu sistem kekebalan tubuh salah pengukuran yang sebenarnya.
satunya adalah imunisasi. Imunisasi merupakan suatu upaya Rumus yang digunakan untuk menghitung mean data
yang dilakukan untuk mencegah terjadinya suatu penyakit adalah :
n
dengan cara memberikan mikroorganisme bibit penyakit
x
1
x i
berbahaya yang telah dilemahkan (vaksin) kedalam tubuh n
i 1 (1)
sehingga merangsang sistem kekebalan tubuh terhadap Keterangan:
jenis antigen di masa yang akan datang [1]. Xi = data pengamatan ke-i
Jenis imunisasi pada bayi antara lain BCG, polio dan n = banyaknya data
campak. Imunisasi diberikan agar bayi siap dengan Standaar deviasi merupakan akar kuadrat dari varians.
lingkungan baru (luar kandungan) karena tidak ada lagi Rumus yang digunakan untuk menghitung nilai standar
kekebalan tubuh alami yang didapatkan dari ibu seperti deviasi adalah :
saat masih dalam kandungan. Namun faktanya masih

n
banyak bayi yang tidak mendapatkan imunisasi rutin karena xi x 2
s i 1 (2)
orang tua enggan untuk membawa bayinya untuk n 1
diimunisasi dan munculnya isu-isu tentang bahaya dari
imunisasi [2]. Padahal sebenarnya imunisasi bermanfaat Keterangan :
bagi bayi yaitu merangsang kekebalan tubuh bayi sehingga S = standar deviasi
mampu melawan penyakit [3]. xi = nilai tengah
Pulau Jawa merupakan salah satu pulau dengan = rata-rata
perkembangan manusia dan sarana prasarana yang pesat di
2

n = banyak data matriks korelasi bukan merupakan matriks identitas, yang


Minimum adalah nilai terendah dari suatu data. berarti bahwa terda-pat hubungan antar variabel pada
Sedangkan maksimum adalah nilai tertinggi dari suatu populasi.
data[1]. D. Uji Homogeitas
B. Uji Normalitas Multivariat Uji homogeitas digunakan untrk megetahui kehomo-
Uji Normalitas Multivariat adalah suatu metode yang genan dari matriks varians kovarias pada variabel. Adapun
akan mendominasi dimasa yang akan datang karena sering hipotesis dalam pengujian homogenitas matriks varians-
kali dalam suatu penelitian, ada banyak variabel yang kovarians adaladalas sebagai berikut.
diamati dimana analisis univariat tidak bisa dilakukan. H0 : 1 = 2 = = g = 0
Salah satu metode yang digunakan adalah signifikansi H1 : ada paling sedikit satu diantara sepasang yang
koefisien korelasi dengan hipotesis sebagai berikut. tidak sama.
Ho : Data berdistribusi Normal Multivariat
Jika dari masing-masing populasi diambil sampel acak
H1 : Data tidak berdistribusi Normal Multivariat berukuran n yang saling bebas maka penduga tak bias untuk
Statistik Uji : adalah matriks sedangkan untuk 0 penduga tak
2
2 )
=1( )(
= (2) biasnya adalah S [8].
2
2 1 g
=1( )=1(
) = =1( 1)

g
keterangan : = =1 g (6)
2 = Jarak antara vektor obsrvasi dan vektor mean Untuk menguji hipotesis di atas dengan tingkat

2 = Vektor mean (Pusat kontur) signifikansi , digunakan kriteria uji berikut:
= Quantile observasi ke-j H0 ditolak jika 1 > 21 ()
( (g 1)(+1))
2
= Rata-rata quantile observasi 1 sampai ke-j
dan H0 gagal jika 1
21 ()
( (g 1)(+1))
2
dimana, dimana,
d (2j ) ( ' xi x )T s 1 ( x1 x ) (3) g g
= =1( 1) ln|| =1( 1) ln| | (7)
j1 22 +31 g 1 1
1 = 1 (=1 ( g )
qc, p 2 (4) ( 1)
(8)
6(+1)(g1) 1)
n
=1
Dengan bantuan program SPSS, uji homogenitas
keterangan : matriks varians-kovarians dapat dilakukan dengan Uji
S-1= invers matrik kovarian Spxp Boxs M. Jika nilai sig. > , maka gagal tolak H0 sehingga
xi = objek pengamatan dapat disimpulkan matriks varians-kovarians dari l-populasi
p = banyak variabel adalah sama atau homogen.
Daerah Kritis: Tolak H0 jika rQ < r( ,n) .Jika hasil dari E. MANOVA Satu Arah
statistik uji memiliki hasil yang kurang dari tabel normal MANOVA satr arah merupakan pengembangan dari
probabilitas koefisien korelasi (r(,n)), maka dapat One-Way ANOVA. One-Way MANOVA digunakan untuk
disimpulkan bahwa data tidak berdistribusi normal, begitu menguji apakah ke-g jenis populasi (dari satu populasi yang
pula sebaliknya [8]. sama) menghasilkan vektor rata-rata yang sama untuk p
C. Uji Dependensi (Bartletts Test) variabel perlakuan atau variabel dependent yang diamati
Uji Bartlett digunakan untuk mengetahui hubungan dalam penelitian [8].
antar variabel pada kasus multivariate. Rumusan hipotesis Hipotesis yang digunakan dalam menguji perbedaan
yang digunakan dalam uji Bartlett adalah sebagai berikut. pengaruh perlakuan terhadap beberapa variabel respon
Hipotesis yaitu:
H0 : I (matriks korelasi merupakan matriks iden- Hipotesis
titas) H0 : 1 2 g 0
H1 : I (matriks korelasi bukan merupakan matriks H1 : Minimal terdapat satu l 0 , l=1,2,,g
identitas) Statistik uji yang digunakan adalah Wilks Lambda (*)
Statistik uji yang digunakan dalam uji Bartlett adalah dengan rumus sebagai berikut.
sebagai berikut. Statistik uji:
2 p 5

g ( )( ) |
|=1 =1
hitung ||
n 1
2
ln R (5) = |+| = g (9)
6 |=1 =1( )( ) |

Keterangan: Keterangan:
n : Banyak data pengamatan g = jumlah variabel dalam 1 populasi
p : Banyak variabel yang digunakan p = jumlah perlakuan
R : Matriks korelasi Statistik uji ini disebut statistik uji Wilks Lambda.
Daerah kritis yang digunakan dalam uji Bartlett ini
W
adalah H0 ditolak jika hitung
2
2 1 atau p-value < . * (10)
, p p 1 BW
2
Dengan demikian, kesimpulan yang dapat diambil adalah
3

Tabel 1. III. METODOLOGI PENELITIAN


MANOVA One Way
Degrees A. Sumber data
Source of Matrix of sum squares and
of freedom Data yang digunakan dalam penelitian ini adalah data
variation cross products (SSP)
(df)
g
dari Data.go.id yang berupa data komponen kesehatan
Treatment B n x
l 1
l l x x l x T g-1 Pulau Jawa tahun 2013 [9].
B. Variabel Penelitian
g nl

x T
g
Variabel yang digunakan pada penelitian disajikan
Residual W lj x l x lj x l n l g
pada Tabel 3.
error l 1 j 1 l 1
Tabel 3.
Variabel Pengamatan
g nl

x T
Total Variabel Keterangan
BW x x lj x g

n
(corrected Populasi 1 Provinsi Banten
lj
l 1 Populasi 2 Provinsi DI Yogyakarta
for the l 1 j 1
l 1 Populasi 3 Provinsi DKI Jakarta
mean)
Populasi 4 Provinsi Jawa Barat
Tabel 2 . Populasi 5 Provinsi Jawa Tengah
||
Distribusi dari Wilks lambda = |+| Populasi 6 Provinsi Jawa Timur
Y1 Cakupan imunisasi BCG pada bayi (%)
No of No of Sampling distribution for multivariate
Y2 Cakupan imunisasi polio 1 pada bayi (%)
Variable groups normal data Y3 Cakupan imunisasi campak pada bayi (%)
1
p=1 g 2 ( )( ) ~(1),
1 C. Langkah Analisis Data
Berikut merupakan langkah-langkah dalam analisis
1 1
( )( ) ~2(1),2( 1) penelitian ini.
p=2 g 2 1
1. Menganalisis Statistika deskriptif
2. Memeriksaan Normalitas Multivariat dengan menghi-
1 1 2
p 1 g>2 (

) ( ) ~, 1

tung korelasi antara nilai d j yang telah diurutkan (Y)
dengan nilai invers CDF chi-square (X) dan
2 1
p 1 g 3
(

)( ) ~2,2( 2) membandingkan koefisien korelasi dengan r0.05,118

3. Menguji dependensi antar variabel
H0 ditolak apabila nilai statistik uji lebih besar dari nilai 4. Menguji homogenitas antar variabel
tabel F, yang berarti bahwa terdapat minimal satu populasi 5. Menguji MANOVA satu arah
yang memberikan pengaruh berbeda terhadap variabel. 6. Membuat dan menganalisis boxplot
Wilks Lambda (*) bernilai antara 0 dan 1 yang 7. Menarik kesimpulan dari hasil analisis yang telah
menunjukkan seberapa besar pengaruh populasi terhadap dilakukan
variabel. Jika nilai * semakin mendekati 0, maka pengaruh
yang diberikan semakin besar. Sedangkan jika nilai * IV. ANALISIS DAN PEMBAHASAN
semakin mendekati 1, maka pengaruh yang diberikan
A. Analisis Statistika Deskriptif
semakin kecil.
Analisis menggunakan statistika deskriptif yang
F. Boxplot digunakan meliputi mean, standar deviasi, nilai maksimum,
Boxplot merupakan ringkasan pada data pengamatan yang dan nilai minimum untuk masing-masing variabel. Dalam
disajikan secara grafis. Boxplot digunakan untuk perhitungan statistika deskriptif digunakan software
menghitung data yang kuantitatif saja [10]. Boxplot biasanya minitab. Adapun hasil yang didapatkan adalah sebagai
digunakan untuk mengidentifikasi pola sebaran data yang berikut.
Tabel 4.
ditunjukkan oleh lebar boxplot. Selain itu, dalam kasus Statistika Deskriptif
multivariat, boxplot juga dapat digunakan untuk Provinsi/
Variable Mean Stdev Min Max
mengidentifikasi populasi mana yang memberikan pengaruh Populasi
Y1 92,12 4,79 84,57 97,53
berbeda terhadap variabel, yang ditun-jukkan oleh median/
lebar boxplot yang saling berpotongan antar populasi. Banten Y2 93,64 4,25 85,02 98,87
Y3 90,55 7,89 77,78 97,48
G. Imunisasi
Y1 78 24 55,1 118,1
Imunisasi merupakan suatu upaya yang dilakukan untuk DI Y2 66,98 20,51 46,67 101,02
mencegah terjadinya suatu penyakit dengan cara Yogyakarta
memberikan mikroorganisme bibit penyakit berbahaya yang Y3 72,5 17,27 54,57 101,01
telah dilemahkan (vaksin) kedalam tubuh sehingga Y1 97,63 10,81 82,87 110,94
merangsang sistem kekebalan tubuh terhadap jenis antigen DKI Y2 99,64 11,45 84,11 115,9
Jakarta
di masa yang akan datang [1]. Y3 81,05 108,59
95,05 11,19
Y1 99,16 8,51 83,1 121,34
Jawa Barat Y2 99,52 9,44 84,25 121,85
Y3 95,53 9,63 76,86 110,25
4

Y1 96,09 9,6 76,52 115,22 Tabel 7.


Jawa Uji Homogenitas
Y2 95,37 9,79 74,01 117,56
Tengah Boxs M F df1 df2 p-value Keputusan
Y3 96,47 9,16 73,04 118,67
182.241 5.064 30 1578.11 0,000 Tolak H0
Y1 94,82 21,41 66,35 196,13
Jawa Y2 Berdasarkan Tabel 7 kesimpulan yang didapatkan
93,41 17,97 66,74 178,19
Timur
Y3 54,63 230,44 adalah matriks varian kovarians dari ketiga variabel tersebut
99,12 33,42
sama atau homogen.
Dari Tabel 4 didapatkan informasi bahwa untuk
provinsi dengan rata-rata prosentase cakupan imunisasi E. MANOVA Satu Arah
BCG, polio 1 dan campak untuk bayi yang paling rendah Setelah melakukan pengujian terhadap asumsi normal
adalah provinsi DI Yogyakarta sedangkan provinsi yang multivariat, dependensi antar variabel dan homogenitas
memiliki prosentase yang yang tinggi adalah provinsi Jawa maka selanjutnya adalah pengujian MANOVA satu arah.
Barat. Sedangkan jika dilihat dari variannya provinsi Jawa Berikut merupakan tabel hasil uji MANOVA satu arah
Timur memiliki keragaman yang paling besar, sedangkan
untuk cakupan imunisasi BCG, imunisasi polio 1 dan
provinsi Banten memiliki keragaman yang sangat rendah.
imunisasi campak pada bayi yang didapat dari output SPSS
Sehingga dapat disimpulkan bahwa walaupun provinsi
Tabel 8.
Jawa Timur memiliki rata-rata prosentase yang tinggi One Way MANOVA
namun hal itu tidak merata ke semua kab/kota jika Source of
dibanding dengan provinsi yang lain. Matrix of SSP df
variation

B. Pengujian Normaltas Multivariat 2021,550 3016,427 2067,813


3016,427 4676,127 3066,986
Hasil pengujian normalitas multivariat menggunakan Perlakuan 2
korelasi antara square distance dengan nilai tabel Chi- 2067,813 3066,986 3373,313
Square adalah sebagai berikut. 24952,656 21314,773 27653,501
Tabel 5. 21314,773 19899,507 23341,663
Error 115
Koefisien Korelasi
r(0.05 ,118) Keputusan
27653,501 23341,663 48760,736
rq
533949,05 526097,46 525776,36
0.733 0.9887 tolak H0 526097,46
Total 519057,82 518065,76 187
Berdasarkan Tabel 5 dapat dilihat bahwa data pada 525776,36 518065,76 518989,91
kom-ponen kesehatan bayi di Pulau Jawa yang meliputi Matriks SSP total pada Tabel 8 diperoleh dari hasil
provinsi Banten, DKI Jakarta, DIY, Jawa Barat, Jawa penjumlahan matriks SSP perlakuan dan matriks SSP error.
Tengah dan Jawa Timut tidak berdistribusi Normal Selanjutnya akan dilakukan pengujian untuk pengaruh
Multivariat. Namun pada penilitian ini data diasumsikan provinsi di Pulau Jawa terhadap tiga komponen kesehatan
normal multivariat. banyi yaitu cakupan imunisasi BCG, imunisasi polio 1 dan
C. Uji Dependensi imunisasi campak pada bayi menggunakan statistik uji
Pengujian dependensi yang digunakan terhadap ketiga Wilks Lambda dan didapatkan hasil sebagai berikut.
variabel pada komponen kesehatan bayi di Pulau Jawa Tabel 9.
adalah uji Bartlett. Perhitungan dengan menggunakan rumus Hasil Pengujian Menggunakan Wilk's Lambda
(5) menghasilkan nilai sebagai berikut. p-value
Value F
Tabel 6.
Hasil Uji KMO dan Bartletts 0.557 4,789 0.00

Bartletts Test df p-value Keputusan


Menggunakan tingkat signifikansi () sebesar 0.05, maka
371.733 3 0.000 tolak H0 berdasarkan Tabel 9 dapat diputuskan bahwa tolak H0
Berdasarkan pada Tabel 6 terlihat bahwa nilai p-value karena nilai p-value < (0.05), sehingga dapat disim-
< alfa (0,05) sehingga dapat diputuskan bahwa tolak H0, pulkan bahwa antar provinsi di Pulau Jawa memiliki nilai
sehingga kesimpulan yang dapat diambil adalah bahwa prosentase komponen kesehatan bayi (Y1, Y2, dan Y3) yang
matriks korelasi bukan matriks identitas sehingga antar berbeda. Pada Tabel 9 juga diperoleh nilai Wilks Lambda
ketiga variabel respon tersebut dependen atau saling sebesar 0.557 yang berarti nilai tersebut mendekati angka 1,
berhubungan. Artinya antara variabel cakupan imunisassi sehingga dapat disimpulkan bahwa antar provinsi tersebut
BCG pada bayi, cakupan imunisasi polio 1 pada bayi, dan memiliki perbedaan yang kecil kecil terhadap prosentase
cakupan imunisasi campak pada bayi saling berhubungan, cakupan imunisasi BCG, prosentasse imunisasi polio 1, dan
sehingga dapat dilanjutkan pada analisis selanjutnya. cakupan imunisasi campak pada bayi.
D. Uji Homogenitas Matriks Varian Kovarians Pada analisis selanjutnya dengan menggunakan
Selain asumsi normal multivariat dan dependensi, pengujian between subjects effects untuk mengetahui
asumsi lain yang harus dipenuhi adalah kehomogenan. komponen kesehatan bayi mana yang berbeda antar
Pengujian homogenitas dapat dilakukan melalui matriks provinsi di Pulau Jawa. Pengujian ini diperoleh dari output
varians kovarian dari ketiga variabel yaitu prosentase bayi SPSS, dikatakan berbeda saat nilai p-value untuk setiap
yang mendapatkan imunisasi BCG, polio 1 dan campak di respon (komponen kesehatan bayi) < signifikansi ()
Pulau Jawa. Perhitungan dengan menggunakan SPSS sebesar 0.05, berikut hasil output SPSS
dihasilkan nilai sebagai berikut.
5

Tabel 10.
175
Tests of Between-Subjects Effects
Dependent variable df F p-value 150

Y1 5 1,815 0.116 125

Y2
100
Y2 5 5,264 0.00
75

Y3 5 1,550 0.180
50

Berdasarkan Tabel 10, diketahui bahwa nilai p-value 1 2 3


Populasi
4 5 6

untuk varaibel Y1 dan varibel Y3 bernilai lebih dari


Gambar 2.
(0.005) sehingga dapat dijelaskan bahwa untuk prosentase
Boxplot untuk Variabel Prosentase Cakupan Imunisasi Polio
cakupan imunisasi BCG dan imunisasi campak untuk bayi
1 pada Bayi
antar provinsi di Pulau Jawa tidak berbeda secara
Berdasarkan Gambar 2 dapat dilihat bahwa antar
signifikan. Sedangkan untuk variabel prosentase cakupan
provinsi memiliki nilai median untuk variabel Y2 yang
imunisasi polio 1 didapatkan nilai p-value 0.00 artinya
sama (kecuali untuk provinsi Yogyakarta). Provinsi
untuk variabel Y2, minimal ada satu provinsi yang memiliki
Yogyakarta memiliki prosentasse cakupan yang paling
prosentase komponen kesehatan bayi yang berbeda dengan
rendah dan juga secara signifikan berbeda dengan
provinsi yang lain. Untuk mengetahui provinsi mana yang
berbeda untuk setiap variabel komponen kesehatan pada provinsi yang lain hal in dapat dilihat pada boxplot
bayi maka dilanjutkan menggunakan boxplot untuk No. 2 tidak berhimpit dengan yngan lain.
Sehingga dapat disimpulkan bahwa posentase cakupan
F. Analisis Boxplot imunisasi polio 1 untuk bayi antar provinsi Banten,
Boxplot digunakan untuk mengetahui bagaimana DKI Jakarta, Jawa Barat, Jawa tengah, dan Jawa Timur
perbedaan untuk setiap variabel Y (prosentase cakupan tidak berbeda. Sedngkan untuk provinsi Yogyakarta
imunisasi BDC, prosentase cakupan imunisasi polio 1, dan
berbeda signifikan dengan ke-5 provinsi di Pulau Jawa.
cakupan imunisasi campa pada bayi). Berikut hasil dari
3. Variabel prosentase cakupan imunisasi campak pada
boxplot output minitab
bayi
1. Variabel prosentase cakupan imunisasi BCG pada bayi
Berikut boxplot untuk variabel Y3
Untuk boxplot prosentase cakupan imunisasi BCG
250
bayi pada semua provinsi di Pulau Jawa dapat dilihat
pada Gambar 1.
200

200

150
Y3

175

150
100
Y1

125

100 50
1 2 3 4 5 6
75 Populasi

50 Gambar 3.
1 2 3 4 5 6
Populasi Boxplot untuk Variabel Prosentase Cakupan Imunisasi
Gambar 1. Campak pada Bayi
Boxplot untuk Variabel Prosentase Cakupan Imunisasi BCG Berdasarkan Gambar 3 dapat dilihat bahwa antar
pada Bayi provinsi memiliki nilai median untuk variabel Y3 yang
Berdasarkan Gambar 1 dapat dilihat bahwa antar hampir sama, namun untuk provinsi No. 2
provinsi memiliki nilai median untuk variabel Y1 yang (Yogyakarta) memiliki nilai yang paling rendah namun
hampir sama, namun untuk provinsi No. 2 masih berada pada batas signifikan dengan provinsi
(Yogyakarta) memiliki nilai yang paling rendah namun yang lain, hal ini di buktikan dengan boxplot untuk
masih berada pada batas signifikan dengan provinsi provinsi Yogyakarta berhimpit dengan boxplot
yang lain, hal ini di buktikan dengan boxplot untuk provinsi yang lain. Sehingga dapat disimpulkan bahwa
provinsi Yogyakarta berhimpit dengan boxplot posentase cakupan imunisasi campak untuk bayi antar
provinsi yang lain. Sehingga dapat disimpulkan bahwa provinsi di Pulau Jawa tidak berbeda signifikan.
posentase cakupan imunisasi BCG untuk bayi antar
provinsi di Pulau Jawa tidak berbeda signifikan.
V. KESIMPULAN DAN SARAN
2. Variabel prosentase cakupan imunisasi polio 1 pada
bayi A. Kesimpulan
Untuk boxplot prosentase cakupan imunisasi Provinsi DI Yogyakarta memiliki rata-rata prosentasi
BCG bayi pada semua provinsi di Pulau Jawa dapat cakupan imunisasi BCG, polio 1, dan campak yang paling
dilihat pada Gambar 2. rendah di banding dengan provinsi yang lain, sedangkan
untuk provinsi Jawa Barat memiiliki rata-rata yang tinggi.
Walaupun provinsi Jawa Timur memiliki rata-rata
6

prosentase yang tinggi namun hal itu tidak merata ke semua


kab/kota jika dibanding dengan provinsi yang lain.
Pengujian asumsi Normal Multivariat menggunakan
uji korelasi memberikan kesimpulan bahwa data presentase
bayi yang mendapatkan imunisasi BCG, polio 1 dan
campak pada enam provinsi di Pulau Jawa tidak
berdistribusi Normal Multivariat.
Pengujian dependensi menggunakan uji Bartlett pada
ketiga variabel komponen kesehatan bayi di Pulau Jawa
menyimpulkan bahwa ketiga variabel saling berhubungan.
Pengujian homogenitas menunjukkan hasil bahwa
matriks varians kovarian dari data cakupan imunisasi BCG,
polio 1 dan campak pada bayi adalah homogen.

Setelah dilakukan pengujian MANOVA one way dan


dari gambar boxplot untuk masing-masing variabel (Y)
dapat disimpulkan bahwa ada provinsi di Jawa yang
memiliki prosentase untuk komponen kesehatan bayi yang
berbeda dengan provinsi yang lain. Provinsi DI Yogyakarta
adalah provinsi yang mempunyai prosentase cakupan
imunisasi polio 1 yang paling rendah dibanding dengan
provinsi yang lain. Sedangkan untuk provinsi lain dapat
dikatakan memiliki prosentase yang sama.
B. Saran
Pada penelitian selanjutnya sebaiknya dilakukan
transformasi jika data tidak berdistribusi normal
multivariat. Saran untuk Pemerintah Provinsi DI
Yogyakarrta adalah lebih meningkatkan cakupan imunisasi
polio 1 untuk bayi, karena provinsi ini jika dibanding
dengan provinsi lain di Jawa memilik prosentase yyang
rendah.

DAFTAR PUSTAKA
[1] Mardani R. Retrieved Februari 24 2017,
http://eprints.ums.ac.id/30733/2/BAB_I.pdf
[2] (). Retrieved Maret 11 2017, www.idai.or.id
[3] ().Retrieved Maret 11 2017, www.detik.com
[4] ().Retrieved Maret 11 2017, www.depkes.go.id
[5] ().Retrieved Maret 11 2017, www.health.kompas.com
[6] ().Retrieved Maret 11 2017, www.batam.tribunnews.com
[7] Walpole, R.E. 2011. Probability and Statistics For Engineers
and Scientist 9th Edition. Boston : Prentise Hall
[8] Richard A.Johnson & Dean W. Wichern. (2007).Applied
Multivariat Statistical Analysis. United States of America :
Pearson Education, Inc.
[9] Kementrian Kesehatan. Retrieved Februari 24, 2017,
http://data.go.id/dataset/basis-data-kesehatan-indonesia.
[10] Walpole, Ronald E. 1993. Pengantar Statistika. Jakarta: PT.
Gramedia Pustaka Utama.
LAMPIRAN 106,5 107,0 112,4
88,4 88,8 95,1
Lampiran 1. Data Praktikum 91,8 90,8 92,3
79,9 80,5 79,2
Provinsi Y1 Y2 Y3 107,8 106,6 96,5
Banten 84,6 85,0 78,6 94,9 94,8 93,8
85,4 91,9 77,8 107,6 88,6 103,9
97,5 98,0 96,2 109,5 113,0 111,5
96,3 98,9 93,0 96,6 97,0 95,4
93,1 93,1 91,8 111,2 111,2 118,7
93,8 93,9 93,0 Jatim 114,0 88,7 117,5
91,3 93,2 97,5 113,0 114,2 116,0
94,9 95,2 96,5 78,4 79,1 81,5
DIY 65,2 63,3 65,8 92,0 92,7 96,1
55,1 46,7 54,6 100,4 96,6 96,5
76,7 66,8 72,3 93,1 93,3 94,2
75,0 57,2 68,8 97,6 98,1 96,8
118,1 101,0 101,0 96,5 93,3 98,4
DKI 103,1 103,3 108,6 83,8 84,2 76,6
106,3 106,8 103,1 137,4 122,8 140,2
82,9 84,1 81,1 71,5 72,0 73,1
110,9 115,9 102,8 103,8 94,9 115,6
89,7 90,8 88,8 78,3 78,3 81,7
92,9 96,9 85,9 94,6 95,3 90,3
Jabar 97,3 96,8 95,1 96,6 98,4 98,2
99,5 97,4 96,3 83,9 84,0 102,0
93,3 98,6 92,9 91,8 91,0 103,2
101,6 102,5 103,0 91,3 96,7 93,6
99,0 97,9 98,3 78,0 77,9 76,4
99,3 101,1 100,3 96,3 96,2 92,3
83,1 84,3 87,2 196,1 178,2 230,4
93,7 93,9 100,0 104,7 105,8 100,6
103,2 103,8 106,9 93,7 97,8 96,3
108,9 109,3 110,3 88,0 87,5 93,2
99,6 99,1 81,9 98,9 99,4 98,4
95,2 90,3 97,0 66,3 66,7 54,6
102,5 102,4 99,8 81,6 80,5 80,3
107,4 107,3 106,6 87,1 86,6 80,7
85,5 85,9 76,9 81,4 80,2 88,5
121,3 121,8 105,7 82,7 82,6 83,6
103,4 104,1 96,2 109,2 108,8 109,8
98,2 109,4 85,1 93,3 94,9 85,7
87,3 84,8 80,3 97,7 96,3 215,5
94,4 94,5 87,1 81,4 83,6 78,0
114,0 117,2 103,8 89,8 90,4 90,7
107,4 108,3 107,0 74,0 78,5 63,0
94,1 88,0 77,4 90,0 89,6 86,0
102,9 102,3 99,3 94,8 94,8 91,1
91,0 90,5 89,4
94,9 95,9 100,0
Jateng 84,5 85,7 98,3 Lampiran 2. Data square distance dan quantil
100,5 92,4 100,5
84,5 83,9 85,4 No. qc dj2 No. qc dj2
76,5 74,0 73,0
1 0,0085 0,0006 60 1,4033 0,5250
105,4 103,8 102,3
93,9 94,3 96,2 2 0,0256 0,0015 61 1,4378 0,5290
88,6 88,7 96,5
93,6 92,9 95,1 3 0,0428 0,0062 62 1,4729 0,5466
96,5 95,7 97,1 4 0,0602 0,0139 63 1,5086 0,5472
90,4 90,5 92,5
95,6 94,8 91,8 5 0,0778 0,0151 64 1,5450 0,5477
107,4 107,4 103,7 6 0,0955 0,0235 65 1,5820 0,5656
89,8 90,1 82,7
98,2 99,0 101,1 7 0,1133 0,0251 66 1,6197 0,5754
98,5 98,6 98,9 8 0,1313 0,0289 67 1,6582 0,5789
95,9 95,1 96,9
97,2 96,0 92,1 9 0,1495 0,0290 68 1,6974 0,6851
93,5 95,2 101,2 10 0,1679 0,0297 69 1,7374 0,6994
115,2 117,6 95,8
82,2 82,7 82,9 11 0,1864 0,0304 70 1,7782 0,7127
97,7 97,0 99,6 12 0,2051 0,0320 71 1,8199 0,7144
111,7 111,9 110,9
84,4 84,4 92,4 13 0,2239 0,0377 72 1,8625 0,7316
91,8 91,5 94,6
14 0,2430 0,0412 73 1,9059 0,7559
95,2 96,4 96,1
15 0,2622 0,0479 74 1,9504 0,7661 Lampiran 3. Perhitungan Statistika Deskriptif

16 0,2816 0,0501 75 1,9958 0,7778


17 0,3013 0,0525 76 2,0424 0,7875
18 0,3211 0,0579 77 2,0900 0,7952
19 0,3411 0,0582 78 2,1388 0,8048
20 0,3613 0,0608 79 2,1888 0,9434
21 0,3817 0,0609 80 2,2401 0,9694
22 0,4023 0,0658 81 2,2927 0,9726
23 0,4231 0,0840 82 2,3467 0,9876
24 0,4442 0,0894 83 2,4023 0,9886
25 0,4654 0,0976 84 2,4595 0,9955 Lampiran 4. Perhitungan Korelasi
26 0,4870 0,1046 85 2,5183 1,0333
Correlations: qc; dj2
27 0,5087 0,1046 86 2,5789 1,0464
28 0,5307 0,1137 87 2,6414 1,0840 Pearson correlation of qc and dj2 = 0,82

29 0,5529 0,1143 88 2,7059 1,2562 Lampiran 5. Perhitungan Bartletts Test


30 0,5754 0,1199 89 2,7726 1,2995
31 0,5981 0,1222 90 2,8416 1,3005
32 0,6211 0,1282 91 2,9130 1,3302
33 0,6443 0,1288 92 2,9871 1,3477
34 0,6679 0,1362 93 3,0640 1,4650
35 0,6917 0,1515 94 3,1440 1,6253
Lampiran 6. Perhitungan Boxs Test
36 0,7158 0,1760 95 3,2274 1,6336
37 0,7402 0,1813 96 3,3143 1,9735
38 0,7649 0,1840 97 3,4053 2,0937
39 0,7899 0,1981 98 3,5005 2,1154
40 0,8152 0,2087 99 3,6005 2,2583
41 0,8408 0,2228 100 3,7058 2,3478
42 0,8668 0,2295 101 3,8170 2,4738
43 0,8931 0,2373 102 3,9346 2,5212
44 0,9198 0,2431 103 4,0597 2,6673
45 0,9468 0,2471 104 4,1931 2,8747
46 0,9742 0,2800 105 4,3360 3,0359
47 1,0020 0,2838 106 4,4899 3,4400
48 1,0301 0,3051 107 4,6567 3,5963
49 1,0587 0,3068 108 4,8386 3,7754
50 1,0877 0,3070 109 5,0388 4,6846 Lampiran 7. Perhitungan MANOVA
51 1,1171 0,3434 110 5,2612 6,7860
52 1,1470 0,3827 111 5,5116 6,8442
53 1,1773 0,4033 112 5,7978 10,9697
54 1,2080 0,4061 113 6,1319 11,8065
55 1,2393 0,4251 114 6,5332 12,9722
56 1,2710 0,4344 115 7,0358 13,4299
57 1,3033 0,4755 116 7,7088 17,8711
58 1,3361 0,4939 117 8,7304 24,4627
59 1,3694 0,5109 118 10,9277 46,3250